基于Efficientnet的宫颈图像的识别分类

宫颈癌是全球第二高发的女性癌症,但是如果及时发现,其治愈率几乎为100%。阴道镜检查是临床筛查宫颈上皮内瘤变(CIN)和早期宫颈癌的重要步骤之一,直接影响患者的诊断方案。然而,这种方法取决于阴道镜检查者的观察。本文建立了宫颈图像的数据集,并提出了一种基于Efficientnet的宫颈图像分类的方法。实验结果表明,该模型取得了比经典深度学习方法更好的分类性能,其分类结果准确率可达90.56%。